1.迭代
通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）
# 遍历字符串for x in 'hello': print(x) # 遍历列表lt = [1, 2, 3]for i in lt: # 手动获取下标 print(i, lt.index(i)) # 遍历列表，可以直接使用下标for index, value in enumerate(lt): print(index, value) # 遍历字典d = { 'a': 'apple', 'b': 'banana', 'c': 'cat', 'd': 'dog'}for k in d: # 默认遍历的是键，值需要单独获取 print(k, d[k]) for k,v in info.items(): print('%s is %s'%(k,v))# for k, v in d.items():# 上下两个式子等价for k, v in dict.items(d): print(k, v) 2.列表生成式
例1:生成[1x1, 2x2, 3x3, ..., 10x10]# 方法一：循环L = []for x in range(1, 11): L.append(x * x)# 方法二：列表生成式[x * x for x in range(1, 11)]>>>[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]例2for + if 判断[x * x for x in range(1, 11) if x % 2 == 0]>>>[4, 16, 36, 64, 100]例3使用两层循环，可以生成全排列：[m + n for m in 'ABC' for n in 'XYZ']>>>['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']例4for循环对dict的items()可以同时迭代key和value：d = { 'x': 'A', 'y': 'B', 'z': 'C' }for k, v in d.items(): print(k, '=', v)>>> y = B x = A z = C列表生成式,使用两个变量来生成list：d = { 'x': 'A', 'y': 'B', 'z': 'C' }[k + '=' + v for k, v in d.items()]>>> ['y=B', 'x=A', 'z=C']把一个list中所有的字符串变成小写：L = ['Hello', 'World', 'IBM', 'Apple'][s.lower() for s in L]>>> ['hello', 'world', 'ibm', 'apple'] 3.生成器
Python中，一边循环一边计算的机制，称为生成器：generator
generator创建：
# 方法一：将一个列表生成式的[]改成()L = [x * x for x in range(10)] # 列表生成式g = (x * x for x in range(10)) # 生成器generator的下一个返回值，通过next()函数获得generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误为避免StopIteration的错误g = (x * x for x in range(10))for n in g: print(n)# 方法二def fib(max): n, a, b = 0, 0, 1 while n < max: print(b) a, b = b, a + b # 赋值语句 n = n + 1 return 'done'斐波拉契数列的推算规则，逻辑类似generator要把fib函数变成generator，只需要把print(b)改为yield bdef fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1 return 'done'
generator和函数的执行流程不一样。
函数是顺序执行，遇到return语句或者最后一行函数语句就返回。
generator，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。 循环过程中不断调用yield，就会不断中断，
因此需要要给循环设置一个条件来退出循环，否则会产生一个无限数列。
for循环调用generator时，发现拿不到generator的return语句的返回值。 如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中。
g = fib(6)while True: try: x = next(g) print('g:', x) except StopIteration as e: print('Generator return value:', e.value) break>>> g: 1 g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done 4.迭代器
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
Python的for循环本质上就是通过不断调用next()函数实现:for x in [1, 2, 3, 4, 5]: pass实际上完全等价于：# 首先获得Iterator对象:it = iter([1, 2, 3, 4, 5])# 循环:while True: try: # 获得下一个值: x = next(it) except StopIteration: # 遇到StopIteration就退出循环 break
5.装饰器
# -*- coding:gbk -*-'''示例1: 使用语法糖@来装饰函数，相当于“myfunc = deco(myfunc)”但发现新函数只在第一次被调用，且原函数多调用了一次''' def deco(func): print("before myfunc() called.") func() print(" after myfunc() called.") return func @deco #@deco和myfunc = deco(myfunc)其实是完全等价的def myfunc(): print(" myfunc() called.") myfunc()myfunc()# 装饰器被调用# -*- coding:gbk -*-'''示例2: 使用内嵌包装函数来确保每次新函数都被调用，内嵌包装函数的形参和返回值与原函数相同，装饰函数返回内嵌包装函数对象''' def deco(func): def _deco(): print("before myfunc() called.") func() print(" after myfunc() called.") # 不需要返回func，实际上应返回原函数的返回值 return _deco @decodef myfunc(): print(" myfunc() called.") return 'ok' myfunc()myfunc()# 对带参数的函数进行装饰# -*- coding:gbk -*-'''示例5: 对带参数的函数进行装饰，内嵌包装函数的形参和返回值与原函数相同，装饰函数返回内嵌包装函数对象''' def deco(func): def _deco(a, b): print("before myfunc() called.") ret = func(a, b) print(" after myfunc() called. result: %s" % ret) return ret return _deco @decodef myfunc(a, b): print(" myfunc(%s,%s) called." % (a, b)) return a + b myfunc(1, 2)myfunc(3, 4)# 让装饰器带参数# -*- coding:gbk -*-'''示例7: 在示例4的基础上，让装饰器带参数，和上一示例相比在外层多了一层包装。装饰函数名实际上应更有意义些''' def deco(arg): def _deco(func): def __deco(): print("before %s called [%s]." % (func.__name__, arg)) func() print(" after %s called [%s]." % (func.__name__, arg)) return __deco return _deco @deco("mymodule")def myfunc(): print(" myfunc() called.") @deco("module2")def myfunc2(): print(" myfunc2() called.") myfunc()myfunc2()